摘要
本发明提供一种融合多尺度时空特征的滑坡形变预测方法,包括:获取滑坡形变相关数据进行预处理,将处理得到的滑坡历史形变时序数据和时空影响因子数据输入滑坡形变预测模块中,滑坡形变预测模块包括编码器和解码器,编码器为多尺度双分支网络,基于时间特征提取模块,通过动态时序分解算法和轻量化时间注意力机制提取多尺度时间特征;基于空间特征提取模块,通过融合滑坡形变间的局部空间特征和全局空间特征的多尺度空间特征;通过解码器将多尺度时间特征和多尺度空间特征进行特征融合,并上采样进行重构获得下一时刻滑坡累积形变预测结果。本发明的滑坡形变预测模块可以充分挖掘滑坡数据的时空依赖关系,能有效提升滑坡形变时空预测的精度。
技术关键词
滑坡形变预测方法
空间特征提取
数据
分解算法
局部空间特征
双分支网络
特征提取模块
注意力机制
双线性插值算法
遥感卫星影像
多尺度
时序
周期
灰色关联度
解码器
编码器
动态
系统为您推荐了相关专利信息
研判方法
资金
交易特征
高风险
广度优先搜索算法
无源定位方法
协方差矩阵
特征值
噪声子空间
Akaike信息准则
碰撞判定方法
焊接机器人
点云模型
多轴机械臂
关节
地址合并方法
策略
数据访问效率
内存控制器
优化电路设计